铜灵 编译整理

量子位 出品 | 公众号 QbitAI

今天，《星际争霸2》（后称星际2）深度强化学习（DRL）智能体Reaver开源了，引来大量Reddit用户围观。

来自塔尔图大学的Roman Ring介绍说，这种模块化的框架主要用于训练星际2的各种任务，提供比大多数开源解决方案更快的单机环境并行化能力。

Reaver可适应多种环境，除了用于星际2的SC2LE外，还支持其他强化学习任务上常用的Gym、Atari和Mujoco。它用简单的Keras模型来定义神经网络，配置和共享配置也非常方便。

最重要的是，Reaver的训练规模亲民到爆炸。在普通的4核CPU的笔记本电脑上，每秒采样率可以达到5K，10秒内就能学会那个立杆子的游戏CartPole-0。

在电脑配置为Intel i5-7300HQ CPU (4 核) 和 GTX 1050 GPU 的笔记本情况下，Reaver 30分钟攻克了星际2 的MoveToBeacon游戏，成绩与DeepMind不分伯仲。

功能介绍

Reaver主要有6大特点：

可扩展

Reaver同时适用于初学者和老手。对业余编程爱好者，Reaver提供了必要工具，修改智能体（例如超参数）后就能训练。

老手可直接利用Reaver模块化架构和性能优化过的代码库，其中的智能体、模型和环境都是解耦的，可随意搭配，可扩展性强。

性能

Reaver利用无锁数据结构共享内存，将星际2的采样速率提升了2倍（通常能实现100倍的加速），瓶颈在GPU输入/输出pipeline。

可配置

Reaver中所有配置都能通过gin-config配置框架处理，并且能够将所有超参数、环境参数和模型定义轻松共享成.gin格式文件。

实现智能体

作者采用两种经典DRL算法进行实现：

优势actor-critic算法（A2C）

近端策略优化（PPO）

支持多种环境

• PySC2（用所有迷你游戏测试过）
• OpenAI Gym（用CartPole-v0测试过）
• Atari（用PongNoFrameskip-v0测试过）
• Mujoco （用InvertedPendulum-v2和HalfCheetah-v2测试过）

其他强化学习特点

• GAE算法加持
• 奖励剪裁
• 梯度标准剪裁
• 利用归一化方法
• 基线引导
• 独立基线网络

结果展示

Reaver具体实战的表现如何？研究人员在不同地图上，对A2C架构的Reaver、DeepMind的SC2LE和ReDRL进行基准测评，同时，还给出了人类GrandMaster级的专业人员在这些任务上的成绩。

其中，DeepMind的结果均来自此前发布论文中的最佳结果。

Reaver（A2C）是训练reaver.agents.A2C智能体得到的，通过训练—test模块进行100次迭代，计算总奖励值得到这个结果。图中括号值代表是平均值、标准差，方括号中为最小和最大值。

传送门

Reddit讨论贴：

https://www.reddit.com/r/MachineLearning/comments/a0jm84/p_reaver_starcraft_ii_deep_reinforcement_learning/

具体的安装说明，可移步GitHub：

https://github.com/inoryy/reaver-pysc2

此外，如果你的电脑配置了Google Colab，还可以在线使用Reaver，地址：

https://colab.research.google.com/drive/1DvyCUdymqgjk85FB5DrTtAwTFbI494x7

“